中国煤炭工业能与环境相协调吗.docx
《中国煤炭工业能与环境相协调吗.docx》由会员分享，可在线阅读，更多相关《中国煤炭工业能与环境相协调吗.docx（11页珍藏版）》请在冰豆网上搜索。
中国煤炭工业能与环境相协调吗
中国煤炭工业能与环境相协调吗？
煤炭占中国一次能源需求量的70%左右，因此，中国空气污染的主要因素是煤炭的开发和使用。
有报告指出，排入中国大气层的85%的二氧化硫、70%的烟尘和60%的二氧化氮，都是由燃煤引起的（Wang和Feng，2003）。
二氧化硫增加与燃煤的关联程度达到了95%以上（He等，2002）。
随着人们对气候变化日益关注，化石能源特别是煤炭利用的压力也越来越大。
中国作为世界第二大能源消费国，由于人口不断增加，生活水平又在迅速提高，其能源需求量势必还会增加。
考虑到中国不仅是世界最大的煤炭生产国，同时还是最大的煤炭消费国，研究中国的煤炭利用问题对于全球来说关系重大，意义深远。
为缓解高速经济增长对环境的影响，针对减少废气排放（WGEs）等方面提出的建议通常包括改变经济结构、降低能源强度和采用废气处理等（Liang和Zhou，2008）。
采取这些措施的结果，往往是要求能源尤其是煤炭利用量减少。
在全球以及中国——一个存在严重环境污染、对清洁环境的需求日益强烈、严肃对待气候变化和以煤炭利用为主的空气污染的国家，很多人都认为煤炭工业没有前途，煤炭工业在中国有时被称为“夕阳产业”（《煤炭企业管理》2001）。
不过，也有很多人认为煤炭工业特别是中国的煤炭业的前景是光明的（《煤炭企业管理》2001；Li，2003；Shi，2003，2006；Wang，1999；Huang，2001）。
这种观点的一个关键论点是：
单位煤炭用量的污染排放量亦即排放强度是呈递减趋势的，因此，煤炭工业能与环境相协调（Shi，2003，2006）。
这个论点认为，环境压力势必诱发洁净煤炭技术的创新和使用，最终达到的洁净水平，则视技术进步和社会经济状况而定。
很多煤炭专家对此持相同看法，他们认为，煤炭可以是一种真正洁净的能源。
不过，至今尚缺乏验证这个问题的实证研究。
本文所作的研究，是用1996～2006年间的工业废气排放数据验证煤炭排放强度变化的模式。
因为工业污染在排放总量中起着举足轻重的作用（表17-1），所以本研究主要关注工业废气的排放：
例如，2005年，二氧化硫排放总量中的86%以及烟尘排放总量中的79%都源自工业（国家环保总局，历年）。
本研究专注三类空气污染源：
二氧化硫（SO2），工业烟尘（Smoke）和粉尘（Dust）。
虽说二氧化碳排放是时下关注的一个话题，而且也是很重要的议题，但本研究并未将此项内容包括在内，原因在于这类污染源缺少可供研究的数据资料。
现有的二氧化碳排放数据是基于固定排放强度计算出来的。
这主要是因为二氧化碳排放量还没有受到限制。
而本文需要证明的是排放强度随时间而不断发生变化。
再说，虽然温室气体排放令人关切，然而，最直接的环境现象却是周围的空气污染。
据预测，到2020年，空气污染导致人们健康上的损失相当于13%的中国国内生产总值（OECD2007；引自IEA2007）。
文献（Ang和Pandiyan，1997；Ang等，1998；Wang等，2005；Wu等，2006）常假设各种燃料排放强度恒定，进而推测包括煤炭在内的各种燃料的二氧化碳排放强度，本研究要挑战这种固定排放强度的假设。
表17-1面板数据的概括性统计
本章其余部分安排如下。
第二节介绍中国有关空气污染的环境管制的一般背景资料；第三节介绍两种研究方法；第四节是对数据的说明；第五节说明实证结果；第六节讨论若干技术问题；最后一节为结束语。
环境管理与煤炭工业
中国政府极其重视环境保护。
1973年，第一次全国环境保护会议召开，设立了隶属国务院的环境保护局，会议还规定了“三同时”制度。
[1]1978年，中国宪法确定了中国政府保护和改善环境以及防止和控制污染的意向。
1983年，宣布环境保护为中国两项“国家基本政策”之一。
[2]《环境保护法（试行）》于1979年颁布，该法提出了环境影响评价（EIA）制度和污染者付费原则。
1989年，《环境保护法》经修改后正式颁布实施。
在1949和2005年间，中国制定了9部环境保护法和15部资源保护法，中国还制定和颁布了50多部行政规章和660部与环境保护有关的部级和地方的环境法规（国务院新闻办公室，2006）。
随着环境保护的日益推进，对废气排放的控制也逐步展开。
《国家大气环境空气质量标准》于1982年发布，明确规定诸如二氧化硫、全部悬浮颗粒物质（TSP）、氮氧化物和碳（SEPA1982）等项的标准。
1998年，中国政府（国务院，1998）批准确定两个“控制区”（“二氧化硫控制区”和“酸雨控制区”）的界限，使环境质量得到了极大改善（国务院新闻办公室，2006）。
2007年6月，国务院批准了应对气候变化挑战国家计划，这一计划标志着气候变化对中国国家政策议程的影响越来越大了（NDRC2007a）。
中国已经实施了一系列减少空气污染的财政激励机制。
从事环境保护的企业获得减、免税待遇（国务院新闻办公室，2006）。
基于污染者付费原则，一项针对污染排放的税制于1982年在全国付诸实施。
1995～2005年间，二氧化硫排放收费范围扩大到包括一切相关企业，且把费率从平均每千克0.2元，上调为0.63元（国务院新闻办公室，2006年）。
有的省还进一步提高了费率。
[3]
此外，大规模的污染控制措施也开始实施：
第九个“五年计划”期间（1996～2000），关闭了84000家资源浪费和污染严重的小企业；8个高污染源行业得到了改造，其中包括钢铁、水泥、电解铝和炼焦业；1900多家企业停建或延期施工（国务院新闻办公室，2006）。
由于采取了上述措施，空气污染控制取得了显著的成效。
2006年，工业二氧化硫去除量达到了1439万吨，1998年的去除量仅为234万吨；同时，烟尘和粉尘的去除量在2006年分别是2.3564亿吨和7280万吨，而1998年这两个数据分别仅为8670万吨和3098万吨。
与1995年相比，2004年中国单位GDP产生的工业二氧化硫、工业烟尘和工业粉尘的总量分别减少了42%、55%和39%（国务院新闻办公室，2006）。
随着环境管理规章逐步被实施，作为主要污染源的煤炭的未来备受质疑。
自1998年以来，中国的煤炭生产经历了3年的萧条期[4]，国有煤矿企业（SOCMs）遭受巨额赤字，从而导致人们对煤炭行业的未来更加悲观（Shi，2003，2006；《煤炭企业管理》，2001）。
不过，这种担忧随着2000年后煤炭生产和消费的激增而减弱了。
近年来，煤炭消费量迅猛增加，但烟尘和粉尘排放量却在不断降低。
虽然二氧化硫的排放量稍有增加，不过，其增速远低于煤炭消费的增速。
1997～2006年间，煤炭消费量增长近92%，然而，同期二氧化硫排放量仅略增了10.35%（见图17-1）。
排放强度趋势
图17-1煤炭工业发展与空气污染排放量（1997～2006年）
大部分排放强度研究都关注二氧化碳排放（参看Ang和Zhang，2000），只有很少量的研究讨论二氧化硫排放问题（Lin和Chang，1996；Shrestha和Timilsina，1997；Viguier，1999）；其中，有两篇文章（Shrestha和Timilsina，1997；Viguier，1999）探讨了包括煤炭在内的各种能源排放强度，并将这种强度视为不随时间改变的一个常量，且只着重关注于能源结构的变化——即石油、天然气、煤炭和非化石燃料等能源之间的构成的方式。
不过，Lin和Chang（1996）发现单一污染强度在不断降低，就中国台湾地区而论，他们将这种趋势解释为使用进口低硫煤炭和对燃料油的“脱硫”处理。
然而，迄今为止，还没有看到从化石燃料能源尤其是煤炭清洁的未来前景这个视角所作的研究。
也没有烟尘排放强度方面的研究。
在这一节，提出了两种可供选择的方法，这两种方法都可以用来检验煤炭排放强度逐渐降低的假设：
计量经济学方法是从关注长期动态变化的角度来检验煤炭排放强度；而指数分解（ID）法，则用以确定决定最终排放量的各种因素及其发挥的不同作用。
固定效应面板数据模型
第一种方法称作固定效应面板数据模型，这个模型连同计量经济数据，用来检验排放强度的一般趋势，即在时间t，第i省第j种WHE（废气排放量），就是
WGEitj=β0+（β1+β2T）FuelCij+（β3+β4T）MatCij+β5Xit+αij+uij
（1）
其中，WGE表示污染物排放量；FuelC和MatC分别表示燃料煤和原料煤的消费量；T为总的时间趋势；αij是指第j种污染物的各省固定效应；uitj是一种正态分布误差项；j=1，2，3分别指二氧化硫、烟尘和粉尘。
尤其重要的是β1和β4的符号。
如果β2或β4是显著且为负数，我们就能得到排放强度递减的证据。
因为，就空气污染的不同情况而言，燃料煤和原料煤的影响是不同的，所以预计β2和β1也是不同的。
X代表诸如人口（POP）、人均GDP和环境法规及其执法状况等外生变量的一个向量，用以检查各种外生变量对排放函数的影响。
环境管理与执法愈是严格，WGE就愈少，因为污染者受到惩罚或是控告的可能性就愈大。
有几个变量可以用来检验立法和执法的力度。
Bao和Peng（2006）利用由各省政府发布的累计颁布的地方环境标准总数来评估环境政策对控制排放的效果，但是，他们没有指出实施这些政策措施对控制空气污染所发挥的积极作用。
基于遵从成本与强制成本两者呈正相关的假设，遵从成本作为强制成本的一种代理变量被加以使用（Gray，1987）。
Gray（1987）利用处罚数额（罚款）研究安全规制。
在他所做的研究中，用累计的环境标准数量来粗略估计立法的效果；用废气处理设备的运转费用（成本）粗略估计执法的严格性。
类似于Bao和Peng（2006）所做的研究，本研究也纳入与环境相关的研究与开发费用（R&D）以衡量技术进步的影响。
GDP平减指数用来把所有的价值量折扣到基于1996年的不变价格（以万元为单位）。
决定排放量的可分解因素
既然中国大部分废气排放都源自燃料利用，废气排放也会受经济结构、能源强度、经济发展和人口增长等因素影响。
这有助于将废气排放变化分解为不同因素来进行分析。
过去40年来，指数分解法成为对影响废气排放和能源需求的各种要素进行量化评估的常用工具。
Ang和Zhang（2000）发现，截至2000年，这一工具至少已应用于124项研究。
相对于计量经济学估计法，该方法的长处在于它可以应用于小样本且无需就分布作任何假设。
该法一开始被用于研究工业能源分解和能源需求。
Torvanger（1991）是第一个用指数分解法对与能源有关的气体排放作研究的学者，之后，许多其他研究也开始应用这个方法了（Ang和Zhang，2000）。
被研究的气体排放种类包括二氧化碳、二氧化硫和氮氧化物。
与分解能源需求包含的要素相比，分解气体排放所包括的因素会更多，其中包括各部门燃料份额和燃料排放量（Ang和Zhang，2000）。
Laspeyres方法和Divisia指数是对能源消费导致的气体排放研究中最常用且较理想的方法（Ang和Zhang，2000）。
之所以在本研究中利用对数平均Divisia指数（LogarithmicMeanDivisiaIndex，LMDI）方法，是因为该方法具有一种理想指数的时间反演的特性，而且能够进行完全分解且允许数据中存在零值，这比改进的Laspeyres方法要好一些（Ang和Zhang，2000）。
有两类指标常用于能源和环境问题的指数分解研究。
第一类是数量指标，例如，能源消费总量或气体排放总量；另外一类则是某种比率或是指数指标，包括汇总能源强度和汇总气体排放强度（Ang和Zhang，2000）。
在这一研究中，我们选择了前者，把废气排放总量当成指标。
煤炭消费量（TC），化石燃料能源（FE）和能源消费量（TE）都按照10000吨标准煤当量（SCE）作为单位，这样可以避免煤炭质量上的差异。
Y代表国内生产总值（GDP），P代表人口。
把煤炭明确引入排放量方程是对以前文献的一种延伸。
与Wang等（2005）的方法类似，在这里，WGE也用卡亚恒等式的一种扩展形式（IPCC2001；Kaya1990）来表达：
其中，i指排放物种类，包括二氧化硫、烟尘和粉尘；E意指平均的煤炭废气排放强度（这是此项研究的核心所在）；C指煤炭在总的化石燃料能源中所占的比重，亦即化石燃料构成因素；F意指化石燃料能源在能源消费总量中所占比重，或者说是能源构成因素；I代表能源强度；而G表示人均国内生产总值。
正如Wang等（2005）在研究中表明的，利用LMDI法（Ang等，1998），t和T两个时期之间废气排放的差别，可用公式表达为：
其中，排放减少的第K个因素是
ΔWGEK-effect=L（WGEit，WGEiT）ln（KT/Kt） （4）
其中，
L（x，y）=（x-y）/ln（x/y） （5）
此项研究中，我们把排放强度不变（Non-CEI）的情况作为对照的基础。
按照方程式3，废气排放强度不变的情况指剔除排放强度后的剩余部分：
Non-CEI=ΣKΔWGEK-effect，K=C，F，I，G，P （6）
数据说明
利用1996～2006年间中国省级的面板数据，我们对废气排放的时间趋势和决定因素作了研究。
之所以选择这个时期，是因为从1996年起，煤炭消费数据才分解为燃料煤和原料煤两类消费量。
三种类型的空气污染物数据，两种煤炭消费的数据以及各种环境变量的数据，均取自历年的《中国环境年鉴》（SEPA，历年）。
具体分析见表17-1。
全国煤炭消费量（实物量和标准煤炭当量）、能源消费量及其结构、国内生产总值及通货膨胀因素、人口等数据都来自各期的《中国统计年鉴》（NBS，历年）。
国内生产总值被折算为1996年的不变价格。
当有一组以上的数据来源时，我们会采用最新数据，这是因为中国国家统计局在2006年大幅度调整了能源利用数据。
这些数据集的变化情况见图17-2。
图17-2指数分解研究中五种因素的历史变化（1990～2006年）
实证估计与结果分析
计量经济研究结果：
来自工业部门的证据
正如文献（Shadbegian和Gray，2006）中表明的，这种“似不相关回归”（SeeminglyUnrelatedRegressions，SUR）模型允许三类空气污染物方程的残差之间具有相关性。
之所以使用SUR模型，是因为诸如环境立法、环境政策和执法中的变化会同时影响所有空气污染物的结果。
为了兼顾固定效应，或者说未被观察到的区域异质性和SUR模型，我们为31个省市设计了31个虚拟变量，且把其中的30个纳入SUR模型。
SUR模型的估计结果见表17-2。
表17-2固定效应SUR模型的估计结果
研究结果说明，除了粉尘，原料煤的排放强度明显下降（达到1%的显著水平），燃料煤的排放强度下降也是如此（达到1%的显著水平）。
我们可以就废气排放对煤炭消费取偏导数来计算这两种煤的排放强度。
为了检查结果的稳固性，在第二种方法中，我们排除了规制和经济方面的变量，发现结论保持不变（表17-2）。
我们还可以计算出排放强度减少到零的那个时刻，这一时刻，称为“零排放时点”（表17-3）。
表17-3排放强度以及零排放时点
排放强度下降不可能像假设的那样呈线性走势，因为那样一来就会出现负排放强度。
实际的下降很可能会呈现递减的非线性走势。
不过，假设零排放点有利于比较两种煤炭和三类空气污染物的不同排放表现。
利用这种方法可以发现，与燃料煤相比，原料煤的二氧化硫排放会更快达到零排放点。
究其原因在于：
（1）经济原因。
相比燃料煤用户，原料煤用户能够以更低的边际成本减少废气排放。
（2）技术原因。
因为原料煤用户通常也是化工产品生产者，他们能从废气排放物中提取诸如硫之类的副产品。
这一点也可以用来解释为什么在六种情况下，原料煤的二氧化硫排放会最快达到零排放点。
由各种环境标准模拟的立法对减少二氧化硫排放量也有重要影响，通过提高废气排放处理设备的使用率可以减少三类空气污染物。
不过，累计环境标准变量只在二氧化硫排放的情形下显著（1%显著水平）。
在其他两种污染物的情况下不显著。
由采用废气排放处理设备运行费用进行估算的环保执法的效果，在烟尘、粉尘排放的情况下显著性水平为5%，二氧化硫排放的情况下显著性水平为10%。
环境规章制度对去除二氧化硫的重要作用体现在这些规章制度能促使脱硫设备的使用。
还有，如Darmstadter（1999）就美国而论所指出的，环境规章制度极大地促进了对低硫煤的需求。
无论由于什么原因，我们都可得出结论：
执法远比单纯的立法要重要。
而立法效果不明显很大程度上是因为大部分环境法规与空气污染无关，所以，对此项研究来说，这个变量并非一个很好的代理变量。
技术因素的影响由与环境相关的研发的投入来进行模拟估算，在三种污染物排放中，这个变量是负的，且在5%的显著性水平下显著。
这一结论与文献（Bao和Peng，2006）相一致。
这说明，在减少排放上，技术革新已经发挥作用；因此，就这一点而言，对与环境相关的研究尤其是洁净煤炭技术进行投资，已经成为减少空气污染的一条途径。
我们对污染—收入关系的研究结果与相关文献并不一致。
Bao和Peng（2006）发现这三种空气污染物——二氧化硫、烟尘和粉尘——与经济增长之间呈倒U型关系。
Grossman和Krueger（1991）则认为，二种空气污染物——二氧化硫和烟尘——与经济增长之间呈倒U型关系。
我们的研究表明倒U型关系仅在经济增长与二氧化硫排放之间存在——这与Kaufmanna等（1998）和Markandya等（2006）得出的结论相同。
造成这种差异的原因可能在于：
我们控制了煤炭消费量，这一变量很大程度上代表了经济增长对空气污染造成的影响。
人口这一变量，在二氧化硫与烟尘这两种情况之间，估计呈现相反的符号，原因在于，煤炭消费量因素一旦被控制，人口本身就不是一个决定性因素。
表17-4各省SUR模型虚拟变量的估计结果*
表17-4各省SUR模型虚拟变量的估计结果-续表
就区域差异性而论（见表17-4），有几个省区市在三类污染气体排放上实现了与北京一样的结果，这些省区市是：
天津、吉林、安徽、福建、江西、湖北、云南和新疆。
就所有三类排放来说，没有一个省与北京全部不同。
在内蒙古、上海、广西、重庆、四川、贵州、陕西、甘肃和宁夏，其二氧化硫排放都大大高于北京，唯黑龙江估计低于北京（就10%的显著性水平而言）。
我们可以发现，在二氧化硫减排方面，中国西部取得的成效不如北京明显。
原因在于，北京早在1998年就着手推动低硫煤炭的利用（Cao，1998）。
就烟尘而论，西藏（5%的显著性水平）、青海、宁夏和河南（10%的显著性水平）的受污染程度都比北京低。
其他大多数省份的受污染程度都比北京严重。
尘埃污染情况与此大致相似。
指数分解结果
上述结论表明，在1996～2006年间，排放强度在六个因素中对排放量变化影响最大。
正如理论所预测的，经济发展和人口增长是推动排放量增加的两个关键因素。
1996～2006年间，烟尘、粉尘排放量减少主要归因于排放量强度递减。
就二氧化硫排放量而论，即使排放总量有增无减，排放强度也是降低的，而这就产生了重要的影响。
煤炭在化石燃料能源中的比重和能源结构等因素的变化，也导致了排放量的减少（见表17-5）。
表17-5影响二氧化硫、烟尘和粉尘排放的因素总结（1997～2006年）
除了个别几年外，化石燃料结构和能源结构因素多是消极且影响不大。
正号指因近年来能源需求大，煤炭在化石燃料能源的比重增加；负号指由于使用其他化石能源替代煤炭，或用非化石能源替代化石能源，大气环境得以改善，这种影响通常是有利的。
然而，相比之下，燃料结构变化以及新能源利用的影响因素比较小。
值得注意的是，按照1990年价格（公斤煤当量/人民币）计算，中国能源强度从1997年的0.37公斤煤当量/元，提高至2006年的0.55公斤煤当量/元——这个时期增加了48.65%。
与经济发展和人口增长等传统因素相比，能源强度对排放量增加所起的作用更为显著。
这种能源强度因素导致二氧化硫排放量增加了947.65百万吨，烟尘排放量增加了512.16百万吨，粉尘排放量增加了438百万吨。
快速工业化是造成能源强度高且不断增加的主要原因。
而这种高速工业化不仅提高了总的能源消费，而且还提高了能源强度（见表17-5）。
最大幅度的排放强度下降出现在1998～1999年间。
这可能是因为当时煤炭供过于求，消费者不愿意接受含硫含灰过高的煤炭，因而煤炭的平均质量提高了。
与工业化国家主要通过降低能源强度来减少总能耗和二氧化碳排放强度相比（Ang和Zhang，2000；Torvanger，1991），在很大程度上，中国的工业废气排放的变化是煤炭排放强度降低的结果。
为简化讨论，这里把三类废气排放量相对1997年的排放量累计变化量以及各种因素的大小列在图上。
1997～2006年间排放的累计变化都被分解到各个影响因素（见图17-3，图17-4，图17-5）。
图17-3中国二氧化硫排放变化的分解（1997～2006年）
图17-4中国烟尘排放变化的分解（1997～2006年）
图17-5中国粉尘排放变化的分解（1997～2006年）
就所有三种情况来说，假定排放强度不变（non-CEI）情况下的排放，显然比实际排放量多得多。
这就说明，排放强度的降低是促成排放量减少的一个重要因素。
就其他因素的影响程度来说，能源强度仅次于排放强度，但是方向相反。
有别于其他文献（Shalizi，2007；Lin和Chang，1996）中的研究结果，当前研究认为，能源强度替代了经济增长而成为排放量增加的主要驱动力。
这一结果表明，排放强度降低的贡献，已被通过降低能源强度来减少排放量这种普遍的想法所掩盖（Lin和Chang，1996；Shalizi，2007）。
我们的研究成果之所以重要，就因为它表明存在另一种减排方法。
如果能源强度能像在工业化国家或者中国1998年以前发生的那样降低（图17-1），那么，中国的废气排放就会在这两种驱动器的共同作用下加速减少。
不过，就像Shalizi（2007）所说的，排放强度的降低对中国1980年后10年间二氧化碳的排放没有什么影响，但在1990年代的印度，却起着越来越重要的作用。
讨论：
技术的作用
应该指出，煤炭排放强度不会自动下降。
在有的情况下，排放强度降低是由于用低硫煤代替了高硫煤。
不过，主要促成因素还应首推技术变革，而技术变革，则又或多或少是环境规章制度所促成的。
通过采用三种基本方法可以大幅减少煤炭污染：
洁净煤炭或者洗煤，这是能减少30%硫含量的一种燃烧前处理法；燃烧后处理法，例如，烟道气体去硫化系统（FGD）；再就是利用静电去尘器去除空气的粉尘（国家能源基金2007）。
已经在发电厂长期商业化应用的烟道气体洁净法，可以去除99.95%的微粒，95%的二氧化硫和90%的氧化氮（ASME工程理事会能源委员会2005）。
一些现在听起来简单易行的技术，在1970年代美国政府开始推行空气质量标准和规章时，却让人觉得不切实际（EPA，1971）。
即使尚未商业化，从技术上说，降低煤的二氧化碳排放强度也是可行的。
燃煤电厂二氧化碳排放量为零或接近于零，从技术上说也是可行的（ASME工程理事会能源委员会2005；Keay，2003；Shimkus，2005）。
很多国际合作计划以及一些实验项目已开始实施近零排放技术（IEA2007）。
尽管整体煤气化联合循环发电（IGCC）的成本和可靠性尚未得到证明，但碳捕获对于采用IGCC的燃煤电厂来说是大有希望的（Sachs，2008）。
“未来能源”项目已准备好在商业范围内利用二氧化碳捕获和储存（CCS）技术来建设近乎零排放的燃煤电厂；作为世界上最清洁的IGCC发电厂，有望于在2015年
升级会员 